Examensarbete Optimering med AI inom kärnkraften

Om examensarbetet

Vill du bidra till att förbättra metoderna för att optimera kärnbränslet som används i Vattenfalls kärnreaktorer Vi letar efter en motiverad och utforskande student som vill tillämpa moderna maskininlärningsmetoder på verklighetsanknutna utmaningar.

Vattenfall Nuclear Fuel ansvarar för att leverera kärnbränsle till samtliga av de Vattenfall-ägda svenska reaktorerna. Med vårt fokus på säkerhet och hållbarhet arbetar vi ständigt med att optimera härddesignen i dessa. Optimeringen innebär att olika designer av kärnbränsleelement och deras placering i härden tas fram och jämförs med varandra.

Reaktorns komplexa fysikaliska uppbyggnad kräver kraftfulla beräkningsprogram som simulerar hela den kommande cykeln. Vi har ambitionen att effektivisera denna process samtidigt som vi utvecklas inom AI-området. Under våren 2025 genomfördes ett examensarbete där en förstudie på denna effektivisering inleddes. Den surrogatmodell som arbetet resulterade i är mycket lovande för vår verksamhet och vi vill därmed ta steget vidare.

Flera alternativ på ämne att utforska finns nu på bordet. Vi tror att utvecklandet av ett Physics Informed Neural Network kan förbättra modellen ytterligare. En student som väljer denna väg behöver sätta sig djupt in i de ekvationer som beskriver neutroniken i reaktorn och därmed ha ett stort fysikaliskt och matematiskt intresse. Alternativt kan den befintliga modellen vidareutvecklas genom att använda sig av en bredare datamängd och förbättra dess prestanda på tidsberoende dataserier. Ett av modellens tilltänkta användningsområden är som bränsleoptimeringsverktyg antingen genom att nyttja den i en optimeringsalgoritm vilken iterativt tar fram en optimal lösning eller genom inversmodellering där lösningen redan är känd men inte bränsleparametrarna. Båda dessa vägar kräver en student med stort intresse för matematisk optimering. Oavsett vägval har den sökande mycket goda möjligheter att själv styra inriktningen.

Qualifications :

Din profil

Examensarbetet omfattar 30 hp och riktar sig till dig som läser sista året på en civilingenjörs- eller masterutbildning inom exempelvis teknisk fysik energiteknik fysik eller matematik.

Vi söker dig som brinner för att bidra till en fossilfri framtid med en bakgrund inom maskininlärning och dataanalys. Dessutom har du ett stort intresse för kärnkraft. Några av de egenskaper vi ser som avgörande är att du är självgående noggrann  och identifierar dig med våra principer: Aktiv Öppen Positiv och Säkerhet. Du har självklart även goda kunskaper i svenska och engelska både tal och skrift.

Det är meriterande men inget krav om du har genomfört kurser inom kärnfysik eller reaktorteknik. Du bör även ha kunskaper inom Python-programmering och erfarenhet av moduler som TensorFlow eller PyTorch

Ytterligare information :

• Uppdraget startar: Vårterminen 2026 eller enligt överenskommelse.
• Tidigare examensarbete: handledare är placerade i Solna eller Uppsala.
• I ansökan bifogar du ditt CV samt en kopia av dina betyg på avslutade kurser.
• Tjänsten är säkerhetsklassad.
• Sista ansökningsdag är eller tills examensarbetet är tillsatt urval sker löpande.
• Kontaktperson och handledare på Vattenfall:
  • Sigfrid Stjärnholm
  • Erik Thermaenius

Mångfald och inkludering i allt vi gör

Vi är övertygade om att heterogena team kan överträffa homogena team. Men vi kan bara frigöra och använda kraften av mångfald när alla känner sig inkluderade. Läs mer om vårt viktiga arbete med mångfald och inkludering vattenfall

Vi på Vattenfall har bestämt oss för att möjliggöra fossilfrihet. För att lyckas måste vi som ett av Europas största energibolag först bli helt fossilfria själva. Men det räcker inte. För att bidra till ett fossilfritt samhälle måste vi göra mer än att enbart fokusera på hållbar energiproduktion.

Vi är övertygade om att vi måste möjliggöra fossilfrihet genom att se på utmaningen ur ett bredare perspektiv än att enbart producera energi på ett hållbart sätt.

Följ med oss på vägen mot fossilfrihet.

Remote Work :

No

Employment Type :

Full-time